Concurso Público para Docente
Se uma IA cria uma obra de arte, quem é o autor?
🤖 Al-Busaidi et al. (2024): IA Generativa desafia pressupostos fundamentais de PI: originalidade (criação humana), autoria (individualização) e incentivo (monopolia temporária motiva criadores). Resposta jurídica ainda em construção.
Al-Busaidi et al. (2024): IA Generativa (GPT-4, DALL-E, Midjourney) expõe 3 tensões estruturais no sistema de PI.
graph TB
IA[IA Generativa] --> T1[Tensão 1:<br/>Autoria]
IA --> T2[Tensão 2:<br/>Originalidade]
IA --> T3[Tensão 3:<br/>Treinamento]
T1 --> T1A[Máquina como criadora?<br/>Usuário como autor?<br/>Desenvolvedor algoritmo?]
T1 --> T1B[Legislação atual:<br/>Autor = pessoa física<br/>LDA 9.610/98 Art. 11]
T2 --> T2A[IA cria a partir de<br/>padrões estatísticos<br/>dataset treino]
T2 --> T2B[Originalidade exige<br/>criatividade humana?<br/>Threshold lowering]
T3 --> T3A[Dataset treino usa<br/>obras protegidas<br/>sem autorização]
T3 --> T3B[Fair use? Uso legítimo?<br/>Licença compulsória?<br/>Remuneração autores?]
T1B --> R1[Resolução:<br/>Obras IA não são protegidas<br/>USA: Copyright Office 2023]
T2B --> R2[Resolução:<br/>Graus de intervenção humana<br/>Edição pós IA → copyright]
T3B --> R3[Resolução:<br/>Em disputa<br/>Getty Images vs. Stability AI 2023]
style IA fill:#003366,color:#fff
style T1 fill:#0066CC,color:#fff
style T2 fill:#00A859,color:#fff
style T3 fill:#FF8C00,color:#fff
style R1 fill:#CC0000,color:#fff
style R2 fill:#FF8C00,color:#fff
style R3 fill:#CC0000,color:#fffLógica: - Autoria requer intencionalidade humana - Máquina = ferramenta (como câmera fotográfica) - Sem autor humano → sem proteção
Defensores: - Copyright Office (USA) - Corte Justiça UE (orientação) - Maioria doutrina jurídica
Implicação: - Obras IA 100% automatizadas: domínio público imediato - Não há monopólio temporário - Uso livre por qualquer um
Crítica: - Desincentiva investimento em IA - Empresas desenvolvedoras não se apropriam de resultados
Lógica: - Usuário define prompt (input criativo) - Usuário seleciona/edita resultados - IA = ferramenta sofisticada
Requisitos proteção: - Intervenção humana substancial - Originalidade no processo (não só resultado) - Documentação de contribuição humana
Exemplo: - Prompt genérico (“cachorro bonito”) → NÃO - Prompt detalhado + 50 iterações + edição manual → SIM
Crítica: - Difícil mensurar “substancialidade” - Gera insegurança jurídica - Litígios sobre threshold
Lógica: - Criação de IA = criação intelectual - Desenvolvedor define parâmetros, arquitetura, dataset - Proteção deslocada: IA (software) vs. outputs
Proposta: - Outputs IA: direito conexo (neighboring right) - Similar a fonogramas, transmissões - Prazo reduzido (10-20 anos vs. 70)
Defensores: - Indústria tech (OpenAI, Google) - Propostas legislativas (EU AI Act considera)
Crítica: - Cria monopólio sem criatividade humana em outputs - Favorece big techs (custos desenvolvimento)
Fatos: - Autora Kris Kashtanova criou graphic novel usando Midjourney - Registrou copyright (inicial: concedido) - Copyright Office revisou → cancelamento parcial
Decisão: - Texto: Copyright protegido (criação humana) - Imagens IA: Não protegidas (geradas automaticamente) - Arranjo/seleção: Copyright protegido (contribuição humana)
Lição: Proteção “em camadas” - o que é humano vs. IA
Fatos: - Stability AI treinou modelo Stable Diffusion com 12 milhões de imagens Getty (protegidas) - Uso sem autorização ou licença
Alegação Getty: - Violação copyright (reprodução dataset treino) - Violação trademark (marcas Getty apareciam em outputs)
Status: Em julgamento (UK High Court, 2024)
Implicação: Se Getty vencer, datasets treino exigirão licenças (encarece IA)
Fatos: - NYT alegou que GPT-4 foi treinado com milhões de artigos protegidos - ChatGPT reproduz conteúdo NYT “quase verbatim”
Alegação NYT: - Violação copyright (reprodução dataset) - Concorrência desleal (ChatGPT substitui visitas ao site) - Dano reputacional (alucinações atribuídas ao NYT)
Status: Em fase discovery (2024)
Implicação: Se NYT vencer, redefine “fair use” para IA - licenciamento obrigatório de conteúdo treino
Fatos: - Artistas alegaram que Midjourney usou suas obras sem autorização - Modelo pode replicar “estilo” de artistas específicos
Questão: Estilo é protegível por copyright? - Resposta tradicional: NÃO (ideias não são protegidas, apenas expressões) - MAS: IA replica expressões específicas (não apenas estilo abstrato)
Status: Em julgamento (California, 2024)
Swan (2015) + Tapscott & Tapscott (2016): Blockchain oferece infraestrutura descentralizada para registro, transferência e execução automatizada de direitos de PI.
graph TB
BC[Blockchain<br/>para PI] --> U1[Uso 1:<br/>Registro Inalterável]
BC --> U2[Uso 2:<br/>Smart Contracts]
BC --> U3[Uso 3:<br/>Rastreabilidade]
U1 --> U1A[Timestamping<br/>Proof-of-Existence<br/>Anterioridade]
U1 --> U1B[Custos menores<br/>vs. registros oficiais]
U1 --> U1C[Exemplos:<br/>IPChain, Bernstein]
U2 --> U2A[Licenciamento<br/>automatizado<br/>Sem intermediários]
U2 --> U2B[Royalties automáticos<br/>Micropagamentos<br/>Transparência]
U2 --> U2C[Exemplos:<br/>Ujo Music, Audius]
U3 --> U3A[Supply chain<br/>produtos autênticos<br/>vs. falsificados]
U3 --> U3B[Cada etapa registrada<br/>Blockchain imutável]
U3 --> U3C[Exemplos:<br/>LVMH Aura, VeChain]
BC --> D[Desafios]
D --> D1[Escalabilidade<br/>10-100 tx/s vs. 1000+]
D --> D2[Custos transação<br/>Ethereum gas fees]
D --> D3[Validade jurídica<br/>Smart contracts = contratos?]
D --> D4[Privacidade<br/>Blockchains públicos expõem dados]
style BC fill:#003366,color:#fff
style U1 fill:#0066CC,color:#fff
style U2 fill:#00A859,color:#fff
style U3 fill:#FF8C00,color:#fff
style D fill:#CC0000,color:#fffDefinição: - Token único em blockchain (ERC-721) - Representa propriedade de ativo digital - NÃO transfere copyright (equívoco comum)
Estrutura Técnica:
NFT (blockchain Ethereum)
├── Token ID: único
├── Metadata: URI arquivo (ex: IPFS hash)
├── Owner: wallet address
└── Smart Contract: regras transferência
Exemplo: - NFT “Everydays” (Beeple): US$ 69 milhões (Christie’s, 2021) - Comprador adquiriu: token NFT + arquivo JPEG - NÃO adquiriu: Copyright da imagem (Beeple retém)
Direito Adquirido: - ✅ Propriedade do token blockchain (único) - ✅ Direito de revender o token - ✅ Bragging rights (status, display em metaverso)
Direito NÃO Adquirido (exceto se contrato explícito): - ❌ Copyright (reprodução, distribuição) - ❌ Uso comercial (merchandising, derivados) - ❌ Direitos morais (paternidade, integridade)
Implicação: Comprador de NFT não pode: - Imprimir e vender pôsteres da imagem - Criar merchan (camisetas, canecas) - Licenciar para terceiros
Exceto: Se smart contract do NFT licenciar explicitamente (ver CC0, CC BY)
Caso: - Yuga Labs vendia NFTs de macacos (BAYC) - Conferiam ao comprador: Copyright + uso comercial irrestrito - Raro na indústria NFT
Resultado: - Compradores criaram derivados: restaurantes, cervejas, animações - Estratégia marketing (engajamento comunidade)
MAS: Maioria NFTs NÃO transfere copyright - compradores confusos
Lei 12.965/2014 (Marco Civil da Internet): Estabelece princípios, garantias, direitos e deveres para uso da Internet no Brasil.
I. Liberdade de expressão - Tensão com direitos autorais (remoção conteúdo)
Regra Geral: - Provedor de aplicação não é responsável por conteúdo de terceiros - Exceto: se não remover após ordem judicial específica
Processo: 1. Titular PI identifica violação (ex: vídeo pirata YouTube) 2. Notifica provedor (extrajudicial: sem efeito legal) 3. Requer ordem judicial 4. Juiz analisa → concede ordem específica 5. Provedor remove em prazo judicial
Comparação Internacional:
| País | Regime | Notice-and-Takedown |
|---|---|---|
| Brasil | Ordem judicial obrigatória | ❌ NÃO |
| USA | DMCA Safe Harbor | ✅ SIM (extrajudicial) |
| UE | E-Commerce Directive | ✅ SIM (extrajudicial) |
Crítica ao Modelo BR: - Lento (meses para ordem judicial) - Custoso (advogado, juízo) - Inadequado para escala (milhões violações/dia)
Exceção: Imagens Íntimas (Art. 21) - Remoção sem ordem judicial (notificação extrajudicial suficiente) - Prazo: 24 horas - Tutela de privacidade > PI
Vídeos piratas (YouTube, Vimeo): - ❌ Notificação DMCA não funciona no BR - ✅ Requer ação judicial
Software pirata (download sites): - ❌ Notice-and-takedown não existe - ✅ Ordem judicial obrigatória
Livros escaneados (Google Books): - Polêmica: Google Books operou sem autorizações - BR: Autores precisariam de múltiplas ações judiciais
Lei 13.709/2018 (LGPD): Regula tratamento de dados pessoais, inclusive em meios digitais. Inspirada na GDPR europeia (2016).
Pergunta: Dados pessoais são propriedade intelectual?
Resposta tradicional: - ❌ NÃO - dados “brutos” não têm originalidade - Proteção via direito à privacidade (personalíssimo), não PI
MAS: Big Data e IA mudaram lógica econômica: - Dados agregados = ativo econômico valioso - Facebook, Google: valuation baseado em dados usuários - “Novo petróleo” (The Economist, 2017)
Modelo LGPD (Art. 7-11):
| Princípio | Implicação PI |
|---|---|
| Finalidade | Dados coletados para objetivo específico (não reutilização irrestrita) |
| Necessidade | Minimização (não acumulação especulativa) |
| Consentimento | Titular controla uso (vs. propriedade empresa) |
Modelo Economia de Dados: - Empresas querem propriedade de dados (ativos balanço) - LGPD nega propriedade → dados permanecem do titular - Empresa tem apenas autorização temporária de tratamento
Consequência: Clash de lógicas - PI: exclusividade (proprietário exclui terceiros) - LGPD: controle titular (empresa é “processadora”, não “proprietária”)
Fatos: - Serasa vendia “scores de crédito” derivados de dados pessoais - Não solicitava consentimento explícito
Decisão ANPD: - ❌ Violação LGPD Art. 7º (ausência consentimento) - Multa: R$ 8 milhões
Lição: Dados derivados (scores, perfis) também requerem consentimento
Fatos: - Google treinou IA médica com prontuários Einstein - Consentimento pacientes: ambíguo
Resultado: Investigação ANPD (ainda em curso, 2024)
Tensão: - PI forte → incentiva criação - MAS → restringe acesso (preços altos, paywall)
Economia Digital: - Custo marginal reprodução = zero (software, ebooks, música) - Preço ótimo social = custo marginal = zero - MAS: Sem receita → sem criação
Soluções Experimentais: - Freemium: Básico grátis + Premium pago - Patreon/Apoia.se: Apoio direto criadores - Open Access: Publicação científica (financiado por taxas processamento)
Exemplo BR: SciELO (Scientific Electronic Library Online) - 1.200+ periódicos open access - Financiamento público (FAPESP, CNPq) - Acesso universal vs. Elsevier (paywall)
Tensão: - IA requer dados massivos treino - LGPD restringe coleta/uso dados - Conflict: Inovação IA vs. Privacidade
Exemplo: - AlphaFold (DeepMind, 2021): IA prevê estrutura proteínas - Treinou com Protein Data Bank (170k estruturas públicas) - SE estruturas fossem privadas (LGPD/GDPR) → AlphaFold impossível?
Soluções: - Anonimização (técnicas k-anonymity, differential privacy) - Dados sintéticos (gerados artificialmente, preservam padrões) - Federated Learning (treino descentralizado, sem centralizar dados)
Desafio: Anonimização perfeita = impossível (estudo MIT 2019: 99,98% pessoas re-identificáveis com 15 atributos)
Tensão: - IA generativa = capital-intensivo (US$ 100 milhões treinar GPT-4) - Apenas Big Techs podem desenvolver modelos fronteira - Concentração poder econômico + político
Consequências: - Lock-in usuários (dependência OpenAI, Google) - Barreira entrada startups (custos proibitivos) - Controle narrativa (quem treina modelo define vieses)
Exemplo: GPT-4 (OpenAI) - Custo estimado treino: US$ 100 milhões - Apenas 5 empresas podem: OpenAI, Google, Meta, Anthropic, Microsoft - Startups dependem de APIs (subserviência)
Soluções Propostas: - Open source modelos (Meta Llama 2, Mistral) - Regulação antitruste (impedir fusões tech) - Financiamento público IA (democratizar acesso)
Eficácia Digital: ⚠️ Baixa - Engenharia reversa difícil - Ciclos inovação rápidos (patente demora 3-5 anos)
Eficácia Digital: ⚠️ Média - Pirataria endêmica (custo enforcement alto) - DRM (Digital Rights Management): contornável
Eficácia Digital: ✅ Alta - Engenharia reversa dificultada por cloud computing - MAS: Perda se disclosure (ex: código vazado GitHub)
Lógica: - Comunidade desenvolve/testa gratuitamente - Empresas pagam por suporte, features avançadas
Eficácia: ✅ Alta (sustentabilidade + inovação distribuída)
Eficácia: ✅ Muito Alta (dominância mercado)
Eficácia: ✅ Alta (conversão 5-10% → receita robusta)
| Estratégia | Custo Impl. | Eficácia Digital | Exemplos BR |
|---|---|---|---|
| Patente Software | Alto | ⚠️ Baixa | Raro |
| Direitos Autorais | Baixo | ⚠️ Média | Música streaming |
| Segredo Negócio | Médio | ✅ Alta | PicPay (algoritmo risco) |
| Open Source | Baixo | ✅ Alta | Locaweb (contribui Linux) |
| Platform | Muito Alto | ✅ Muito Alta | Mercado Livre, iFood |
| Freemium | Médio | ✅ Alta | Nubank (conta grátis + Premium) |
Fundação: 2013 (David Vélez, Cristina Junqueira, Edward Wible)
Setor: Fintech (banco digital)
Valuation: US$ 45 bilhões (IPO 2021, NYSE)
Usuários: 90 milhões (2024, BR+MX+CO)
Stack Proprietário: - Core banking 100% nuvem (AWS) - Machine Learning (credit scoring, fraud detection) - Arquitetura microserviços (Clojure, Scala, Python)
Diferencial: Zero legado (vs. bancos tradicionais com COBOL 1970s)
Algoritmos Críticos: - Credit scoring (aprova 60% dos recusados por bancos tradicionais) - Fraude detection (taxa fraude 0,01% vs. 0,3% mercado) - Churn prediction (retenção 95% clientes)
Não patenteados: Engenharia reversa impossível (cloud + encryption)
Estratégia: - Cartão de crédito sem anuidade (freemium) - 90 milhões usuários → maior base BR - Lock-in: Portabilidade bancária difícil (psicológica, não técnica)
Network Effects: - Custo aquisição cliente: R$ 5 (vs. R$ 500 bancos tradicionais) - Marketing boca-a-boca (70% novos clientes por indicação)
Dataset: - 90 milhões perfis financeiros - 5 bilhões transações/ano - Treina modelos ML continuamente
Conformidade LGPD: - Consentimento explícito opt-in - Anonimização para analytics - Transparência algoritmos (explainability)
Roxo Nu: Trademark INPI 906923929 (2013) - Cor exclusiva setor financeiro BR - Alto valor (reconhecimento 95% população)
Trade Dress: Interface app (minimalista, amigável)
Crescimento: 0 → 90 milhões users (11 anos) - mais rápido do mundo
Valuation: US$ 45 bi (10ª fintech global)
Lucro: US$ 1,2 bi (2023) - 1º ano lucro líquido
graph TB
PI[PI Economia<br/>Digital] --> IA[IA Generativa]
IA --> IA1[Autoria?<br/>Domínio público vs.<br/>Usuário vs. Desenvolvedor]
IA --> IA2[Dataset treino<br/>Fair use?<br/>Licenças]
PI --> BC[Blockchain &<br/>Smart Contracts]
BC --> BC1[Registro inalterável<br/>Timestamping]
BC --> BC2[Licenciamento<br/>automatizado<br/>Royalties]
BC --> BC3[NFTs<br/>Token ≠ Copyright]
PI --> Gov[Governança<br/>Brasil]
Gov --> G1[Marco Civil<br/>Ordem judicial<br/>Remoção conteúdo]
Gov --> G2[LGPD<br/>Dados ≠ Propriedade<br/>Controle titular]
PI --> Dil[Dilemas<br/>Éticos]
Dil --> D1[Acesso vs.<br/>Proteção]
Dil --> D2[Privacidade vs.<br/>Inovação]
Dil --> D3[Concentração<br/>poder Big Tech]
PI --> Est[Estratégias<br/>Apropriação]
Est --> E1[Segredo<br/>Algoritmos]
Est --> E2[Plataforma<br/>Efeitos rede]
Est --> E3[Freemium<br/>Microlicenciamento]
style PI fill:#003366,color:#fff
style IA fill:#CC0000,color:#fff
style BC fill:#0066CC,color:#fff
style Gov fill:#00A859,color:#fff
style Dil fill:#FF8C00,color:#fff
style Est fill:#0066CC,color:#fffAutoria (criação humana?), originalidade (estatística vs. criatividade), dataset treino (fair use?). Resposta jurídica em construção - próxima década definirá precedentes.
Registro, rastreabilidade, smart contracts úteis. MAS: escalabilidade, custos, validade jurídica ainda limitam adoção massiva. NFT ≠ Copyright (confusão comum).
Marco Civil prioriza liberdade expressão > PI. Consequência: Remoção lenta, custosa vs. USA/UE. Adequação ao contexto digital questionável.
Clash modelo: Empresas querem “propriedade” dados (ativos) vs. LGPD = controle titular (personalíssimo). Tensão persistirá (economia de dados vs. privacidade).
Acesso vs. proteção (custo marginal zero), privacidade vs. inovação (IA precisa dados), concentração poder (Big Tech domina IA). Sem soluções consensuais.
Economia digital: Segredo > patentes, plataforma > copyright, freemium > licenças tradicionais. Nubank exemplo: zero patentes, US$ 45 bi valuation (segredo + dados + rede).
Deveria o Brasil adotar notice-and-takedown extrajudicial (modelo USA/UE) para violações de PI digital, ou manter exigência de ordem judicial (liberdade expressão)?
Como equilibrar incentivo à inovação em IA (acesso a datasets massivos) com proteção de direitos autorais (criadores originais)?
Dados pessoais agregados deveriam ser tratados como propriedade intelectual (apropriação empresas) ou permanecer como direito personalíssimo (controle titular)?
Estratégias de apropriação abertas (open source, freemium) são mais eficazes na economia digital que PI formal (patentes, copyright)?
AL-BUSAIDI, A. et al. (2024). Generative AI and Intellectual Property Rights: A Roadmap for Legal and Ethical Frameworks. IEEE Access, 12, 15234-15256.
LIEVENS, E.; VERDOODT, V. (2017). Looking for Needles in a Haystack: Key Issues Affecting the Exercise of Data Protection Rights. Computer Law & Security Review, 33(3), 342-355.
ROSENBLATT, B. et al. (2002). Digital Rights Management: Business and Technology. John Wiley & Sons.
SWAN, M. (2015). Blockchain: Blueprint for a New Economy. O’Reilly Media.
TAPSCOTT, D.; TAPSCOTT, A. (2016). Blockchain Revolution: How the Technology Behind Bitcoin is Changing Money, Business, and the World. Penguin.
BRASIL. Lei nº 12.965, de 23 de abril de 2014. Marco Civil da Internet.
BRASIL. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais (LGPD).
US COPYRIGHT OFFICE. (2023). Copyright Registration Guidance: Works Containing Material Generated by Artificial Intelligence. Federal Register, 88(51).
Prof. [Seu Nome]
📧 email@ufs.br
🔗 lattes.cnpq.br/[seu-lattes]
Universidade Federal de Sergipe
Concurso Público - Gestão da Inovação Tecnológica
UEFS — Propriedade Intelectual e Inovação